版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、數(shù)據(jù)挖掘技術(shù)是一種多學(xué)科交叉的新興技術(shù),它是隨著數(shù)據(jù)的大量積累以及市場競爭對信息與知識的迫切需求而產(chǎn)生和發(fā)展起來的,并逐漸成為人們關(guān)注的熱點。聚類分析是數(shù)據(jù)挖掘領(lǐng)域中一個較活躍且極具挑戰(zhàn)性的研究方向。目前聚類算法中比較流行且應(yīng)用比較廣泛的劃分聚類算法主要有K-均值、K-調(diào)和均值、模糊C-均值和譜聚類等劃分算法。但這些算法自身都存在一些缺陷,例如對初始點敏感、不適用于大數(shù)據(jù)以及收斂速度慢等。 主成分分析是一種將分散在一組變量上的信
2、息集中到某幾個綜合指標(biāo)(主成分)上的探索性統(tǒng)計分析方法,同時也是一種數(shù)據(jù)降維處理技術(shù)。本文借助主成分分析的一些優(yōu)點,提出一種基于最大或次大特征值的主成分分析(PCA)聚類算法。該算法同時結(jié)合主成分分析以及所選擇的聚類算法的優(yōu)點,通過數(shù)值實驗表明該算法是一個有效可行的算法。同時,根據(jù)聚類分析中距離度量的重要性,本文在K-均值算法中引用了一種新的距離度量,得到了改進(jìn)的K-均值聚類算法。該算法通過一個參數(shù)的調(diào)節(jié)可以達(dá)到非常好的聚類效果。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 聚類數(shù)據(jù)挖掘在商場中的應(yīng)用及K-means聚類算法改進(jìn)研究.pdf
- 數(shù)據(jù)挖掘中的聚類算法研究.pdf
- 數(shù)據(jù)挖掘中聚類算法研究.pdf
- 數(shù)據(jù)挖掘中的演化數(shù)據(jù)聚類算法研究.pdf
- 數(shù)據(jù)挖掘中聚類算法的研究.pdf
- 數(shù)據(jù)挖掘中模糊聚類算法研究.pdf
- 數(shù)據(jù)挖掘中增量聚類算法的研究.pdf
- 數(shù)據(jù)挖掘中模糊聚類算法的研究.pdf
- 數(shù)據(jù)挖掘中的聚類算法的研究及分析.pdf
- 數(shù)據(jù)挖掘中的譜聚類算法研究.pdf
- 改進(jìn)模糊C-均值聚類算法的數(shù)據(jù)挖掘研究.pdf
- 數(shù)據(jù)挖掘聚類算法研究.pdf
- 數(shù)據(jù)挖掘中聚類算法的并行優(yōu)化研究.pdf
- 劃分聚類與基于密度聚類算法的改進(jìn)方法研究.pdf
- 數(shù)據(jù)挖掘中聚類算法研究與仿真.pdf
- 案例數(shù)據(jù)挖掘中的聚類算法研究.pdf
- 數(shù)據(jù)挖掘中聚類算法的研究與應(yīng)用.pdf
- 基于劃分的聚類算法及其在Web挖掘中的應(yīng)用.pdf
- 動態(tài)數(shù)據(jù)挖掘中的演化聚類算法的研究.pdf
- 基于改進(jìn)聚類算法的數(shù)據(jù)挖掘系統(tǒng)的研究與實現(xiàn).pdf
評論
0/150
提交評論